HyperLPR 高性能中文车牌识别系统分析(六)

2021SC@SDUSC

概述

本篇依旧是对pipline.py文件中的SimpleRecognizePlate()函数展开解析，逐渐深挖至底层

此次文章主要分析SimpleRecognizePlate()函数部分代码，如下：

# image_gray = horizontalSegmentation(image_gray)
cv2.imshow("image_gray",image_gray)
# cv2.waitKey()

cv2.imwrite("./"+str(j)+".jpg",image_gray)
# cv2.imshow("image",image_gray)
# cv2.waitKey(0)
print("校正",time.time() - t1,"s")
# cv2.imshow("image,",image_gray)
# cv2.waitKey(0)

前提

在经过以上处理之前，如下代码代码对图片的车牌区域图像进行了裁剪，以及将处理后的图片进行加密存储的操作

image_rgb = fv.finemappingVertical(image_rgb)
cache.verticalMappingToFolder(image_rgb)
print("e2e:", e2e.recognizeOne(image_rgb))
image_gray = cv2.cvtColor(image_rgb,cv2.COLOR_RGB2GRAY)

详情见该文章基于HyperLPR的车牌识别（七）_sdu_qrt的博客-CSDN博客

代码分析

cv2.imshow("image_gray",image_gray)

引用库cv2，调用函数inshow进行根据图像的深度，自动对其显示灰度值进行缩放的操作

cv2.imwrite("./"+str(j)+".jpg",image_gray)

引用库cv2，调用函数imwrite，将图片保存为jpg的格式并保存至当前文件夹下

print("校正",time.time() - t1,"s")

输出当前时间戳减去第一次保存的时间戳之间的时间间隔，目的是输出校正所花费的时间